init-deep
Ajuda seu agente a organizar a documentação do projeto. É útil para que o agente entenda a estrutura, comandos e regras do seu projeto.
O que ela faz
Esta ferramenta organiza a documentação do seu projeto em arquivos chamados AGENTS.md. Ela cria uma estrutura hierárquica, como pastas dentro de pastas, para que a inteligência artificial possa entender melhor o projeto.
Quando usar
- ✓Quando você inicia um novo projeto e quer que a IA entenda sua estrutura.
- ✓Quando o projeto cresce e a documentação precisa ser organizada.
- ✓Quando você quer que a IA ajude a manter a documentação atualizada.
Exemplo do que pedir para a IA
“Organize a documentação do meu projeto em arquivos AGENTS.md, começando pela raiz e criando subpastas conforme necessário.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta primeiro mede o tamanho do seu projeto e decide como dividi-lo. Depois, ela coleta informações de cada parte e, por fim, escreve os arquivos AGENTS.md, garantindo que a IA sempre tenha uma visão clara e organizada do projeto.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add code-yeongyu/oh-my-openagent --skill init-deepOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/dev/packages/omo-senpi/skills/init-deep/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
/init-deep
Gera arquivos AGENTS.md hierárquicos: raiz + subdiretórios com pontuação de complexidade, produzidos por um map-reduce de DAG impulsionado por fórmula de tamanho (quick scanners -> unspecified-high writers) para que o contexto da sessão principal permaneça plano em qualquer tamanho de repositório.
Uso
/init-deep # Update mode: modify existing + create new where warranted
/init-deep --create-new # Read existing → remove all → regenerate from scratch
/init-deep --max-depth=2 # Limit directory depth (default: 3)
Fluxo de Trabalho (Alto Nível)
- Tamanho e Rota (sessão principal) - UMA célula de avaliação mede o repositório e calcula a fórmula do nó.
- Map (dag) - Nós de scanner
quickextraem fatos por fragmento em relatórios de arquivo delimitados. - Reduce (dag) - Nós de writer
unspecified-highpossuem subárvores disjuntas: pontuam, escrevem arquivos AGENTS.md, emitem digests. - Raiz e Verificação (dag) - um nó escreve o AGENTS.md raiz apenas a partir de digests; um nó verifica cada arquivo.
- Snapshot e Modo (sessão principal) - contrato de snapshot inalterado.
todo inicializa as cinco fases; start/done cada transição em tempo real.
</critical>
Fase 1: Tamanho e Rota
Mede e calcula em UMA célula de avaliação - código, não aritmética mental:
# Measure (tracked files minus vendored/generated: node_modules, .git, dist,
# build, out, vendor, target, coverage, lockfiles, minified and binary files)
S = total source bytes after exclusions
per_dir = source bytes per directory # bin-packing input
depth = max directory depth # respect --max-depth (default 3)
existing = every AGENTS.md / CLAUDE.md path # read the ROOT one now
# Formula
CHUNK = 400 * 1024 # ~100k tokens of source; a quick worker's usable window
# is ~150k over its fallback chain - leave room for its
# prompt and report
N_quick = ceil(S / CHUNK) # bin-pack WHOLE directories into chunks; a directory
# larger than one chunk splits at its children
N_high = ceil(N_quick / 12) # one reducer absorbs ~12 reports (~60k tokens) and
# still has room to spot-check real code
Rota:
- **N_quick < 4** -> caminho inline abaixo; um DAG custa mais do que economiza.
- N_quick >
task.dag.max_nodes_per_run(padrão 64) -> aumente o knob na configuração omo, ou execute um DAG encadeado por diretório de nível superior (composição de múltiplas execuções, habilidademass-ulw). - Caso contrário -> caminho DAG: emita
CHUNKS = [{id, dirs, bytes}], atribua a cada writer uma SUBÁRVORE de diretório (disjunta - nenhum writer possui o mesmo diretório) emkdir -p .omo/init-deep/reports .omo/init-deep/digests.
--create-new: leia todos os AGENTS.md existentes PRIMEIRO (fatos ainda válidos sobrevivem como entrada do scanner), depois delete todos, depois regenere.
Caminho Inline (N_quick < 4)
Repositório pequeno - pule o DAG. Execute 2-4 agentes explore paralelos (estrutura, pontos de entrada, convenções, antipadrões), por exemplo:
task(subagent_type="explore", run_in_background=true, prompt="Project structure: map real layout via ast-grep structural search (sg/ast_grep MCP) + rg --files -> REPORT deviations from standard patterns")
Execute o mapeamento de código LSP/ast-grep você mesmo (lsp_symbols esboços + inventário do espaço de trabalho, lsp_find_references em exportações principais, formas de importação/chamada ast-grep; quando nenhum dos dois resolver, marque a centralidade como não medida). Em seguida, pontue com a matriz abaixo e escreva cada arquivo de acordo com os modelos você mesmo. A Fase 5 se aplica inalterada.
Fase 2: Onda de Map - quick Scanners (dag)
Construa e inicie a execução em uma célula JS de avaliação com o SDK DAG (OMO_DAG_SDK_ROOT); a doutrina da onda, o contrato do prompt do nó e o playbook de falhas vêm da habilidade mass-ulw references/planning.md. Um nó scanner por fragmento, category: "quick", sem load_skills - os scanners permanecem enxutos e seu prompt é um modelo rígido de extração numerada. Workers rápidos extraem; eles nunca julgam e nunca escrevem AGENTS.md:
TAREFA: Extrair fatos da base de conhecimento para o fragmento <id> (<dirs>) de <repo-root>.
Etapas, em ordem:
1. Inventariar cada diretório no escopo: contagem de arquivos, LOC, linguagens, arquivos de entrada.
…
Perguntas frequentes
O que são arquivos AGENTS.md?
São arquivos de documentação que ajudam a inteligência artificial a entender a estrutura, os comandos e as convenções de um projeto.
O que significa 'hierárquica'?
Significa que a documentação é organizada em níveis, como pastas e subpastas, para facilitar a navegação e a compreensão.
Posso controlar a profundidade da organização?
Sim, você pode definir um limite para a profundidade das subpastas, para não criar uma estrutura excessivamente complexa.
Detalhes
Descrição original do autor
Initializes a hierarchical AGENTS.md knowledge base for a project. Use when a repo needs its structure, commands, and conventions documented for agents.
Popularidade
- Estrelas no GitHub
- 70 mil
- Posição no ranking
- #1726
- Licença
- NOASSERTION
- Atualizada em
- 16/10/2026
Comentários
- …
Mais skills deste repositório
comment-checker
Ajuda seu agente a entender e responder a feedbacks de verificadores automáticos de comentários. É útil quando o agente precisa processar informações de ferramentas que revisam automaticamente o código ou o conteúdo.
code-yeongyu/oh-my-openagent
lcx-contribute-bug-fix
Ajuda seu agente a contribuir com correções de bugs para projetos relacionados ao LazyCodex. Ele cria issues ou pull requests para garantir a qualidade do código.
code-yeongyu/oh-my-openagent
lcx-doctor
Faz seu agente verificar a saúde da instalação do LazyCodex e Codex CLI. É útil quando o sistema se comporta de forma estranha após atualizações ou mudanças.
code-yeongyu/oh-my-openagent
lcx-report-bug
Ajuda seu agente a reportar bugs de forma detalhada em projetos do LazyCodex. Ele cria issues com informações úteis para os desenvolvedores corrigirem o problema.
code-yeongyu/oh-my-openagent
Skills parecidas
architecture-decision-records
Faz seu agente registrar decisões importantes sobre a estrutura do projeto. Ajuda a entender o porquê das escolhas feitas e a manter um histórico claro das mudanças.
affaan-m/ECC
code-tour
Faz seu agente criar guias passo a passo no código, com locais exatos em arquivos e linhas. É útil para apresentar um projeto, explicar código ou revisar mudanças. Ajuda a entender como um sistema funciona.
affaan-m/ECC
codebase-onboarding
Ajuda seu agente a analisar um código desconhecido e criar um guia de integração. Ele inclui um mapa da arquitetura, pontos de entrada e convenções. Ideal para quem está começando em um novo projeto.
affaan-m/ECC